There is a central dilemma embedded in the relationship between teachers and researchers. Teachers know the story of the classroom well, but they are seldom asked to tell their stories, nor do they usually have the opportunity. Researchers, on the other hand, are skilled at telling certain things about classrooms, but they often miss the central stories that are there. This divergence can lead to different opinions on what teaching is about and what is important within it. To bridge this gap, we describe an approach which puts the teacher and the student at the centre. With respect to emotional and behavioural problems of students, we underline the notion of student-teacher compatibility, deriving from theories emphasizing the transactional/reciprocal nature of human behaviour. One of the aims of the Lectorship and Knowledge Network Behavioural Problems in School Practice, is to identify at-risk-teachers (i.e. those most vulnerable to the presence of behaviourally challenging students and parents) so that interventions, both in initial teacher training as well as in inservice training can be applied to help them develop adequate attitudes and coping-skills. In clinical supervision, peer coaching or reflective practice, these teachers can be helped to consider in what way student and parental problem behaviour contribute to their loss of satisfaction, their feelings of self doubt, perceived disruption of the teaching process, and their frustration working with parents.
DOCUMENT
Agrariërs kennen tal van uitdagingen. Onkruiddruk is er één van. In het speelveld van onkruid spelen verschillende factoren een rol: regelgeving rond gebruik herbiciden, maatschappelijke druk op duurzaamheid en schaarse resources (weinig en dure seizoenmedewerkers). Inspelend op de trend van robotisering en gebruik van sensoren icm AI heeft ICTCI in samenwerking met verschillende partners een robot ontwikkeld die met behulp van kunstmatige intelligentie onkruid herkent tussen gewassen en deze op een efficiënte manier verdelgt. Hiertoe worden vele verschillende sensoren gebruikt zoals camera’s, GPS RTK, lasers, etc. Met de nieuwe innovatieve technologieën wordt een oplossing geboden voor een probleem dat op dit moment globaal aanwezig is. Onkruiddruk zorgt voor afname van de marges van de boeren. Gebruik van herbiciden zoals glyfosaat staan onder grote maatschappelijke druk. Wiedmachines achter tractoren vergen een grote investering en zijn niet altijd even accuraat. En in de biologische teelt zijn gebruik van herbiciden verboden, waardoor wieden handmatig moet gebeuren. De uurtarieven voor handmatige wieden nemen alleen maar toe en de arbeiders (die veelal uit Oost Europa komen) zijn schaars. Dit wordt nu vooral heel zichtbaar in deze tijden van corona, waarbij er niet vrij gereisd mag worden. Een omvangrijke markt dus. In de voorbereiding naar de start van het project zijn gesprekken gevoerd met verschillende stakeholders, zoals boeren die valeriaan verbouwen, leveranciers van zaden en planten, docenten van de Hanzehogeschool en Van Hall Larenstein en programmamanagement van ID3AS. Vanuit het project zijn verschillende producten opgeleverd:• Prototype die werkt op basis van NuttX• Opritrobot (Inclusief onkruidherkenning mbv camera en AI / XY frame met spot spraying)• Werkende RTK component die geïntegreerd kan worden in de Weedlaser robot• Getraind neuraal netwerk dat ridderzuring en valeriaan kan herkennen (incl. dataset)• Onderzoeksrapport naar bestrijdingsmethoden• 3 werkende prototypen van bestrijdingsmethoden (spot spray, taser, hakselaar)• Uitgewerkte Business Case (incl. Marktonderzoek, SWOT, Concurrentieanalyse)• A4 met productbeschrijving (incl. presentatie)
DOCUMENT
In de eerste blog in deze serie stonden we stil bij de vraag waarom het belangrijk is om over AI en kansengelijkheid na te denken. De aanleiding is dat als we niets doen, kansengelijkheid voor studenten door AI eerder af- dan toeneemt. Voordat we verder ingaan op de mogelijke positieve of negatieve effecten van studiedata en AI op kansengelijkheid, is het belangrijk om het begrip ‘kansengelijkheid’, ‘AI’ en ‘studiedata’ eerst uit te leggen.
LINK
The number of applications in which industrial robots share their working environment with people is increasing. Robots appropriate for such applications are equipped with safety systems according to ISO/TS 15066:2016 and are often referred to as collaborative robots (cobots). Due to the nature of human-robot collaboration, the working environment of cobots is subjected to unforeseeable modifications caused by people. Vision systems are often used to increase the adaptability of cobots, but they usually require knowledge of the objects to be manipulated. The application of machine learning techniques can increase the flexibility by enabling the control system of a cobot to continuously learn and adapt to unexpected changes in the working environment. In this paper we address this issue by investigating the use of Reinforcement Learning (RL) to control a cobot to perform pick-and-place tasks. We present the implementation of a control system that can adapt to changes in position and enables a cobot to grasp objects which were not part of the training. Our proposed system uses deep Q-learning to process color and depth images and generates an (Formula presented.) -greedy policy to define robot actions. The Q-values are estimated using Convolution Neural Networks (CNNs) based on pre-trained models for feature extraction. To reduce training time, we implement a simulation environment to first train the RL agent, then we apply the resulting system on a real cobot. System performance is compared when using the pre-trained CNN models ResNext, DenseNet, MobileNet, and MNASNet. Simulation and experimental results validate the proposed approach and show that our system reaches a grasping success rate of 89.9% when manipulating a never-seen object operating with the pre-trained CNN model MobileNet.
DOCUMENT
De arbeidsmarkt is continu in ontwikkeling, leidend tot een steeds veranderende vraag naar competenties en banen. Dit vraagt naast beroepsgerichte vaardigheden en kennis over veerkracht en wendbaarheid van professionals. Van de student wordt daarom verwacht dat die zich ontwikkeld in zelfgereguleerd (ZGL) leren. ZGL gaat over regie van het eigen leerproces: studenten bepalen zelf hoe tot leerresultaten te komen, deze te evalueren en sturen het leerproces zelf bij. Voor opleidingen is het de vraag hoe ze ZGL kunnen begeleiden en bevorderen. Dit behoeft inzicht in leergedrag, patronen hierin en bewustzijn over hoe deze inzichten gebruikt kunnen worden om ZGL te ondersteunen en het leerproces te begeleiden. In dit onderzoek is geïnventariseerd of de data die studenten in de elektronische leeromgeving (ELO) achterlaten een indicatie kan geven over het leerproces en ZGL van de student. Om de ingewikkelde patronen uit de data te halen, zijn de data uit de ELO met behulp van AItechnieken geanalyseerd. Hiermee kon het leerproces van studenten in verschillende categorieën worden onderverdeeld. De categorieën geven een eerste indicatie over het ZGL van de student. Verder onderzoek is benodigd, ook om te onderzoeken wat dit betekent voor de ondersteuning van studenten in hun leerproces.
DOCUMENT
Dit is de lectorale rede van Jeroen Linssen, lector Symbiotic AI bij het lectoraat Ambient Intelligence van Hogeschool Saxion. Artificial Intelligence maakt veel dingen mogelijk en werpt veel uitdagingen op. AI wordt steeds ‘slimmer’, maar worden wij dat zelf ook? Hoe gaan we verantwoord om met deze technologie zodat mens en machine in balans blijven? Bij ons lectoraat spreken we ons uit voor een verbeterde samenwerking tussen mens en machine om AI verantwoord en duurzaam in te kunnen zetten. De insteek hiervan is dat er een symbiose zou moeten plaatsvinden tussen mens en machine, gebaseerd op wederzijds begrip.
MULTIFILE
Artikel verschenen in NVVR/MemoRad: Het missen van fracturen kan leiden tot onnodige problemen voor patiënten. Verschillende complicaties en bijkomende kosten kunnen het gevolg zijn. Wat is de waarde van kunstmatige intelligentie (Al) bij röntgenbeelden voor het opsporen van fracturen? De toepassing van Al-systemen in het werkveld kan radiologen ondersteunen. Uit de literatuurstudie van Patricia Dinkgreve komt naar voren dat Al met hoge nauwkeurigheid fracturen kan opsporen.1 Al presteert zelfs beter dan medisch specialisten met/of zonder de hulp van Al
DOCUMENT
Hoe kan Digital Twin-technologie de Nederlandse maakindustrie helpen om efficiënt energiezuinig en circulair te werken? Met praktijkgericht onderzoek helpt het lectoraat Industriële Digital Twins van de Hogeschool van Amsterdam (HvA) bedrijven om CO2-neutraal te worden en daarmee internaal competitief te blijven.
DOCUMENT
We laten steeds meer sporen na: door op internet te surfen, door onze mobiele telefoon te gebruiken, door RFID-labels bij ons te dragen of door ons binnen het blikveld van camera’s te bewegen. Door de contextuele informatie die dit genereert te gebruiken als aanvulling op de ‘klassieke’ methode van gezichtsherkenning kunnen we de identificatie van personen sterk verbeteren. Bob Hulsebosch en Wouter Teeuw van het Telematica-instituut leggen uit hoe. Identificatie is het herkennen van een specifiek persoon – van wie de identiteit bekend is – in de menigte. Gezichtsherkenning speelt hierbij een grote rol. Uit camerabeelden leiden we een aantal gelaatskenmerken af, die we vergelijken met profielen in een database. Een match is mede afhankelijk van de tolerantie die we instellen. Bij een strenge instelling, met weinig ruimte voor onnauwkeurigheid, is de kans klein dat iemand ten onrechte wordt herkend (een lage false acceptance rate, of FAR), maar wordt de kans groter dat iemand uit de database ten onrechte niet wordt herkend (hogere false rejection rate, of FRR).
MULTIFILE
